확장메뉴
주요메뉴


소득공제
미리보기 공유하기

딥러닝을 위한 선형대수학

리뷰 총점7.0 리뷰 1건 | 판매지수 4,770
베스트
IT 모바일 top100 1주
정가
38,000
판매가
34,200 (10% 할인)
YES포인트
eBook이 출간되면 알려드립니다. eBook 출간 알림 신청
내 주변 사물들 - 탁상시계/러그/규조토발매트/데스크정리함/트레이/유리머그컵
[단독]『혼자 공부하는 파이썬』 개정판 출간
키워드로 읽는 2022 상반기 베스트셀러 100
월간 개발자 2022년 6월호
내일은 개발자! 코딩테스트 대비 도서전
6월 전사
6월 쇼핑혜택
1 2 3 4 5

품목정보

품목정보
출간일 2020년 08월 05일
쪽수, 무게, 크기 560쪽 | 1065g | 188*257*35mm
ISBN13 9791156644972
ISBN10 1156644976

책소개 책소개 보이기/감추기

데이터 과학과 머신러닝을 위한 수학의 기본을 다루며, 기본 강좌로 아주 적합한 교재이다. MIT의 길버트 스트랭 교수가 선형대수학과 딥러닝을 강의한 내용을 고스란히 담았다. 선형대수학을 비롯해 최적화, 확률과 통계 등 딥러닝과 신경망을 이해하는 데 필요한 수학 이론을 제대로 다질 수 있다.

목차 목차 보이기/감추기

1장 선형대수학 하이라이트
1.1 행렬 A의 열을 이용한 곱셈 Ax
1.2 행렬 곱셈 AB
1.3 네 가지 기본 부분공간
1.4 소거법과 A=LU
1.5 직교행렬과 부분공간
1.6 고윳값과 고유벡터
1.7 대칭인 양의 정부호 행렬
1.8 특잇값 분해에서 특잇값과 특이벡터
1.9 주성분과 최적의 낮은 랭크 행렬
1.10 레일리 몫과 일반화된 고윳값
1.11 벡터, 함수, 행렬의 노름
1.12 행렬과 텐서의 분해 : 양과 희소

2장 큰 행렬의 계산
2.1 수치선형대수학
2.2 네 가지 최소제곱
2.3 열공간의 세 가지 기저
2.4 임의화 선형대수학

3장 낮은 랭크와 압축 센싱
3.1 A의 변화에 따른 A^{-1}의 변화
3.2 고윳값 인터레이싱과 낮은 랭크 신호
3.3 급격히 감소하는 특잇값
3.4 l²+l¹에 대한 분해 알고리즘
3.5 압축 센싱과 행렬완성

4장 특별한 행렬들
4.1 푸리에 변환 : 이산과 연속성
4.2 이동행렬과 순환행렬
4.3 크로네커 곱 AⓧB
4.4 크로네커 합을 통한 사인과 코사인 변환
4.5 퇴플리츠 행렬과 이동 불변 필터
4.6 그래프와 라플라시안 그리고 키르히호프의 법칙
4.7 스펙트럼 방법과 K-평균을 이용한 군집화
4.8 랭크 1 행렬완성
4.9 직교 프로크루스테스 문제
4.10 거리행렬


5장 확률과 통계
5.1 평균, 분산, 확률
5.2 확률분포
5.3 모멘트생성함수, 누적생성함수, 통계 부등식
5.4 공분산행렬과 결합확률
5.5 다변량 정규분포와 가중최소제곱
5.6 마르코프 연쇄

6장 최적화
6.1 최솟값 문제 : 볼록성과 뉴턴 방법
6.2 라그랑주 승수와 비용 도함수
6.3 선형 계획법, 게임이론, 쌍대성
6.4 최솟값으로 향하는 경사하강
6.5 확률적 경사하강과 ADAM

7장 데이터를 통한 학습
7.1 심층 신경망의 구조
7.2 합성곱 신경망
7.3 오차역전파와 연쇄법칙
7.4 초매개변수 : 숙명적 결정
7.5 머신러닝 세계


부록 A 참고문헌
부록 B 랭크 1 행렬의 고윳값과 특잇값
부록 C 수치선형대수학을 위한 코드와 알고리즘
부록 D 기본 분해에서 매개변수의 개수 세기
부록 E 머신러닝에 대한 도서 목록

찾아보기

저자 소개 (2명)

출판사 리뷰 출판사 리뷰 보이기/감추기

선형대수학과 딥러닝의 관계를 밝힌다!

MIT의 길버트 스트랭 교수가 선형대수학과 딥러닝을 강의한 내용을 고스란히 담았다.
선형대수학을 비롯해 최적화, 확률과 통계 등
딥러닝과 신경망을 이해하는 데 필요한 수학 이론을 제대로 다질 수 있다.
수학과 딥러닝의 관계를 이해하고 이 분야의 최고 전문가가 되길 희망한다.

이러한 분들이 보면 좋습니다.
· 머신러닝, 딥러닝, 데이터 과학에 관심이 있는 이공계열 대학생이나 대학원생
· 수학적 토대가 궁금한 딥러닝 전문가


해외 서평
“여러분의 대학원에 데이터 과학 석사 과정이 신설됐고, 수학 기초를 다루는 한 학기 분량의 강좌를 설계한다고 상상해 보자. 수학 전공인 교수자라면 데이터 과학이 무엇인지, 수학이 여기서 어떤 역할을 하는지, 나아가 시간이 많지 않다면 어떤 내용을 가장 중요하게 다룰지, 수업을 어떻게 설계할지 고민하게 될 것이다. 나 또한 비슷한 문제에 직면했다. 그러나 이 고민은 길버트 스트랭 교수의 저서 『Linear Algebra and Learning from Data』를 본 순간 완벽히 해결되었다. 이미 많은 사람이 선형대수학 강좌나 책을 통해 스트랭 교수가 얼마나 수학 기초를 잘 전달하고자 하는지 알고 있을 것이다.

(중략)

이 책은 데이터 과학과 머신러닝을 위한 수학의 기본을 다루며, 기본 강좌의 교재로 아주 적합하다. 이 책이 제시하는 자료들은 매우 가치 있으며, 몇몇 장은 후속 강좌에서 심도 있게 다룰만하다. 나는 이 완벽한 책을 대학원 기초 과정 교재로 추천한다. 그리고 이 책은 내 강좌에서 계속 사용할 것이다. 이 책에 가진 유일한 불만은 ‘왜 이제야 출간되었는가’이다.”

- 볼커 H. 슐츠(Volker H. Schulz) 교수(독일 트리어대학교), 미국 산업응용수학회(SIAM) 서평 발췌


관련 도서

- 스트랭 미분적분학(한빛아카데미, 2019)
- 스트랭 미분방정식과 선형대수학(한빛아카데미, 2019)
- 핸즈온 머신러닝(2판) (한빛미디어, 2020)

회원리뷰 (1건) 리뷰 총점7.0

혜택 및 유의사항?
구매 딥러닝을 접해봤지만 선형대수학이 약한사람들에게 좋은 책 내용 평점4점   편집/디자인 평점3점 YES마니아 : 로얄 e*******i | 2021.05.25 | 추천0 | 댓글1 리뷰제목
요즘 빅데이터, 인공지능, AI, 머신러닝, 딥러닝 등의 용어가 광풍처럼 몰아치고 있는 시대에 해당 분야를 배울수 있는 좋은 기회가 되어 학습하는 도중 수학, 특히 선형대수를 좀더 심화학습 하고자 찾은 책. 내용은 좀 어렵지만 검색이나 다른 책을 참조하여 보면 한장한장 넘길 수 있는 책입니다. 이 책의 내용으로 오픈된 강의가 있으면 더욱 좋을것 같다는 생각이 듭니다. 좀 더 공;
리뷰제목

요즘 빅데이터, 인공지능, AI, 머신러닝, 딥러닝 등의 용어가 광풍처럼 몰아치고 있는 시대에 해당 분야를 배울수 있는 좋은 기회가 되어 학습하는 도중 수학, 특히 선형대수를 좀더 심화학습 하고자 찾은 책. 내용은 좀 어렵지만 검색이나 다른 책을 참조하여 보면 한장한장 넘길 수 있는 책입니다. 이 책의 내용으로 오픈된 강의가 있으면 더욱 좋을것 같다는 생각이 듭니다. 좀 더 공부하고자 하는 사람들에겐 좋은 책 같습니다.

댓글 1 이 리뷰가 도움이 되었나요? 공감 0

한줄평 (3건) 한줄평 총점 7.4

혜택 및 유의사항 ?
구매 평점3점
선형대수학 마스터 후에나 볼 수 있는 심화 도서
이 한줄평이 도움이 되었나요? 공감 0
o****v | 2022.03.06
구매 평점5점
선형대수는 공학의 기본인데, 양이 방대하지만 머신러닝에 필요한거 가이드해주는 용도로 용이합
이 한줄평이 도움이 되었나요? 공감 0
YES마니아 : 플래티넘 닥*준 | 2022.02.18
구매 평점3점
어느정도 수학적 기초를 쌓고 봐야하는 책.
이 한줄평이 도움이 되었나요? 공감 0
y*****9 | 2020.09.06
  •  쿠폰은 결제 시 적용해 주세요.
1   34,200
뒤로 앞으로 맨위로 aniAlarm